利用生成对抗网络进行语音活动检测的时间感知上下文建模
音频与语音处理
2020-04-06 v1 机器学习
声音
机器学习
摘要
本文提出了一种新颖的语音活动检测（SAD）框架。受多任务学习方法近期在语音处理领域取得成功的启发，我们提出了一种新颖的 SAD 联合学习框架。我们利用生成对抗网络自动学习一个损失函数，用于联合预测逐帧的语音/非语音分类以及下一个音频片段。为了利用输入信号内的时间关系，我们提出了一个时间判别器，旨在确保预测信号在时间上的一致性。我们在多个公开基准测试上评估了所提出的框架，包括 NIST OpenSAT' 17、AMI Meeting 和 HAVIC，展示了其优于现有 SAD 方法的能力。此外，我们的跨数据库评估证明了所提出的方法在不同语言、口音和声学环境下的鲁棒性。
引用
@article{arxiv.2004.01546,
title = {Temporarily-Aware Context Modelling using Generative Adversarial Networks for Speech Activity Detection},
author = {Tharindu Fernando and Sridha Sridharan and Mitchell McLaren and Darshana Priyasad and Simon Denman and Clinton Fookes},
journal= {arXiv preprint arXiv:2004.01546},
year = {2020}
}